Ciência para a Redução das Desigualdades
15 a 20 de outubro de 2018
Trabalho 10562
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Ciências Agrárias |
| Setor | Departamento de Engenharia Agrícola |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Thiago Ferreira Rodrigues |
| Orientador | FERNANDO FRANCA DA CUNHA |
| Outros membros | Edcássio Dias Araújo, FRANCISCO CHARLES DOS SANTOS SILVA, Lucas Borges Ferreira |
| Título | Estimativa da evapotranspiração de referência utilizando rede neural artificial em Lavras-MG. |
| Resumo | A irrigação é fundamental para aumentar a produtividade das culturas agrícolas. Entretanto, o uso racional da água é necessário e isso é alcançado com técnicas de manejo. O manejo da irrigação pode ser realizado de diversas formas, sendo o modelo via clima o mais utilizado. Para o uso deste é necessário estimar a evapotranspiração de referência (ETo) com base em dados meteorológicos. A Food and Agriculture Organization (FAO) recomenda o modelo de Penman-Monteith (PM) como método padrão para a estimativa da ETo. No entanto, esta apresenta a limitação de requerer vários dados meteorológicos, e alguns dados podem estar indisponíveis em algumas regiões. Objetivou-se no presente trabalho desenvolver uma rede neural artificial (RNA) para viabilizar a estimativa da ETo com menor número de variáveis climáticas. No estudo foi utilizado dados do período de 2001 a 2010 de uma estação meteorológica situada em Lavras-MG (21° 14' 43 S, 44° 59' 59 W e altitude de 919 m). As variáveis climáticas utilizadas foram: temperatura máxima e mínima do ar (°C), umidade relativa (%), insolação (h) e velocidade do vento (m s-1). A RNA desenvolvida foi do tipo feed-forward perceptron multicamadas. Para isso, foram utilizados os seguintes dados meteorológicos diários de entrada: radiação no topo da atmosfera e temperaturas máxima e mínima. O processo de treinamento da rede foi realizado empregando as bibliotecas Tensor Flow e Keras para a linguagem de programação Python, sendo utilizados dados do período de 2001 a 2007. Para o arranjo da RNA, baseada em estruturas neurais biológicas, criou-se uma camada de entrada com um neurônio, uma camada oculta com seis neurônios e uma camada de saída, com um neurônio. Foram implementadas a função de ativação tangente hiperbólica para os neurônios da camada oculta, e a função linear para o neurônio da camada de saída. Para o treinamento foi utilizado o algoritmo Adam, tendo uma taxa de aprendizagem de 0,001. A ETo estimada por meio do modelo de Penman-Monteith foi considerada a padrão e também foi utilizada para o desenvolvimento e calibração do modelo criado de RNA. O desempenho da RNA foi avaliado frente à clássica equação de Hargreaves-Samani (HS) em sua forma original e calibrada via regressão linear. A performance da RNA e equação de HS original e calibrada foram avaliadas utilizando os índices estatísticos: raiz do erro quadrático médio (REQM) e coeficiente de determinação (R2). Esta avaliação foi executada empregando os dados do período de 2008 a 2010. O modelo de RNA apresentou os resultados de REQM: 0,54 e R2: 80,0%, enquanto HS calibrada apresentou REQM: 0,63 e R2: 73,2% e HS original REQM: 0,90 e R2: 73,2%, demostrando que a RNA obteve uma performance superior a equação de HS em sua forma original e calibrada. Logo, foi possível inferir que o uso de rede neural artificial, diante das limitações no número de variáveis climáticas, pode ser considerada como uma importante ferramenta para estimativa da ETo. |
| Palavras-chave | agrometeorologia, inteligência artificial, irrigação. |
| Forma de apresentação..... | Painel |